ANALISIS KALKULASI BODY MASS INDEX DENGAN PENGOLAHAN CITRA
DIGITAL BERBASIS APLIKASI ANDROID
CALCULATION ANALYSIS OF BODY MASS INDEX USING DIGITAL IMAGE
PROCESSING BASED ON ANDROID APPLICATION
Nasya Ayudina Darsono1, Dr. Ir.Bambang Hidayat, DEA2, Hilman Fauzi T. S. P., S.T., M.T.3
1,2,3Prodi S1 Teknik Telekomunikasi, Fakultas Teknik Elektro, Universitas Telkom
1nasyaayudina@gmail.com, 2 bhidayat@telkomuniversity.ac.id , 3 hilmanfauzitsp@telkomuniversity.ac.id
Abstrak
Menurut WHO (2000) diperkirakan lebih dari 700 juta orang dewasa akan mengalami kegemukkan pada tahun 2015 dan dugaan akan terjadi peningkatan prevalensi obesitas yang mencapai 50% pada tahun 2025 bagi negara-negara maju. Untuk mengurangi resiko tersebut telah dikeluarkannya sebuah standar rumus oleh Badan Kesehatan Dunia bernama Body Mass Index (BMI). Rumus ini mengacu pada perhitungan antara tinggi dan berat badan seseorang yang menghasilkan sebuah kategori nilai standar berdasarkan postur tubuhnya. Pada tugas akhir ini dirancang sebuah aplikasi Android yang dapat menghitung BMI melalui sebuah citra dengan algoritma pengolahan citra digital. Metode yang digunakan adalah metode teknik spasial. Citra yang didapat dilakukan proses cropping untuk mendapatkan RoI, yaitu lebar dan tinggi citra seluruh tubuh seseorang. Setelah itu piksel diolah dengan melakukan normalisasi tinggi dan lebar piksel RoI dan menghitung BMI menggunakan formula rumus silinder elips untuk mendapatkan nilai luas permukaan tubuh (BSA) dan tinggi piksel setelah normalisasi. Dari hasil perancangan sistem aplikasi, keluaran nilai BMI menggunakan pengolahan citra digital mempunyai akurasi optimal 91,67% pada resize 480x640 dan posisi sudut pengambilan posisi kamera yang sejajar leher objek.
Kata kunci: Body Mass Index, Body Surface Area, Mosteller, Pengolahan Citra Digital, Piksel, Luas Permukaan Tabung Silinder Elips, Android, RoI.
Abstract
According to WHO (2000) estimated that over 700 million adults will be overwight in 2015 and there’s an increase in the prevalence of obesity up reach 50% by 2025 for developed countries. To reduce this risk there’s a standard formula lauched by World Health Organization called Body Mass Index (BMI). This formula refers to the calculation of height and weight between someone who produces a category of standard values based on posture. A purpose of this final task is designed an Android application that can calculate BMI from capture an image with digital image processing algorithms. The method used is the method of spatial techniques. An image that captured will do a cropping process to get ROI, which is the width and height of the image of a whole body person. Next, the pixels will be processed with normalization to get height and width RoI pixels calculate BMI using an elliptical cylinder formula for get the Body Surface Area (BSA) and height pixel after narmalization. From the results of the application system design, the output value BMI using digital image processing has an optimal accuracy of 91,67% from resize 480x640 and the camera position is one level with a neck object.
Keywords: Body Mass Index, Body Surface Area, Mosteller, Digital Image Processing, Pixel, Surface Area of Elliptical Cylinder, Android, RoI.
1 Pendahuluan
1.1 Latar Belakang
Di Indonesia, hasil Riskesdas 2013 menunjukkan bahwa status gizi orang dewasa di atas 18 tahun didominasi oleh masalah obesitas. Pervalensi obesitas pada orang dewasa di ialah sebanyak 14,76% dan berat badan lebih besar 11,48%, dimana dengan demikian prevalensi orang dewasa kelebihan berat badan sebesar 26,23% sedangkan prevalensi masyarakat dewasa yang kurus sebesar 11,09%[2].
Selama ini, untuk mengetahui nilai dan kategori BMI seseorang, diharuskan mengetahui berat badan menggunakan timbangan dan tinggi badan menggunakan pengukur terlebih dahulu, lalu dikalkulasikan agar mendapatkan nilai dan kategori BMI-nya. Akan tetapi, belum tentu seseorang tersebut memiliki alat pengukur dan penimbangnya. Oleh karena itulah dikembangkan sistem kalkulasi BMI berbasis pengolahan citra digital oleh para peneliti sebagai alat bantu dalam mengetahui nilai dan kategori BMI seseorang dengan cara cepat dan mudah.
Pada tugas akhir ini, dilakukannya perancangan sebuah aplikasi perhitungan BMI berbasis Android dengan parameter tinggi dan lebar citra badan seseorang berdasarkan spasial. Dari hasil perancangan sistem aplikasi, diharapkan untuk membantu seseorang mengetahui nilai dan kategori Indeks Massa Tubuhnya.
1.2 Maksud dan Tujuan Penelitian
Maksud dan tujuan dilakukannya Tugas Akhir ini adalah:
1. Melakukan perhitungan BMI dengan pengolahan citra digital melalui piksel (spasial).
2. Menganalisis akurasi perhitungan BMI berdasarkan lebar dan tinggi piksel citra RoI dari hasil perhitungan formula BMI, Body Surface Area (BSA), dan luas permukaan tabung silinder elips.
3. Menganalisis akurasi hasil perhitungan BMI melalui pengolahan citra dan hasil perhitungan BMI secara manual.
4. Merancang aplikasi perhitungan BMI berbasis Android.
1.3 Rumusan Masalah
Masalah dalam Tugas Akhir ini dapat dirumuskan sebagai berikut.
1. Bagaimana cara mengetahui luas permukaan badan berdasarkan lebar dan tinggi piksel, 2. Bagaimana cara menghitung BMI berdasarkan pengolahan citra,
3. Bagaimana korelasi nilai hasil formula Body Mass Index secara langsung dengan hasil pengolahan citra
digital,
4. Bagaimana pengaruh parameter yang dianalisis terhadap performansi sistem, dan 5. Bagaimana merancang sebuah aplikasi Android yang dapat menghitung BMI.
1.4 Batasan Masalah
Melalui rumusan masalah yang di dapat, maka permasalahan harus dibatasi pada: 1. Citra yang diolah adalah citra RGB dengan format *.jpg.
2. Sample citra yang diambil adalah sample citra yang berusia 19 – 24 tahun.
3. Pengambilan citra oleh kamera handphone Samsung Core i8262 1920x2560 (5 MP) & handphone Asus
Zenfone Max ZC550KL 3072x4096 (13 MP).
4. Pengambilan citra diambil tampak depan dan seluruh badan.
5. Pengambilan citra dilakukan dengan standar jarak objek dan handphone di kurang lebih dua hingga tiga meter.
6. Objek disarankan untuk memakai pakaian yang sesuai dengan ukuran tubuhnya. 7. Sampel objek citra data pertama 60 orang; 30 laki-laki dan 30 perempuan.
8. Sampel objek citra data kedua 30 orang dengan sudut ketinggian: kamera handphone yang sejajar dengan leher objek, kamera handphone yang sejajar dengan diafragma objek, kamera handphone yang sejajar dengan lutut objek.
9. Sampel objek citra data ketiga adalah 1 orang dengan lima kondisi pengambilan berdasarkan pakaian dan latar yang berbeda-beda.
10. RoI objek citra bagian horizontal adalah lengan atas kanan kiri dan bagian vertikal ialah dari tumit kaki hingga ujung kepala atas objek.
1.5 Metodologi Penelitian
Metode yang digunakan pada penelitian Tugas Akhir ini adalah sebagai berikut. 1. Studi literatur
Melakukan studi literatur dengan cara mencari, membaca, memahami referensi baik berupa jurnal, paper, artikel, buku, internet, dan sumber-sumber referensi lainnya mengenai Body Mass Index, Body Surface Area, Mosteller, luas permukaan tabung silinder elips, pengolahan citra, perhitungan statistika, dan Aplikasi Android.
2. Mengumpulkan data lapangan.
Melakukan pengumpulan data berat dan tinggi badan asli beserta potret citra tampak depan dan seluruh badan.
3. Studi pengolahan data
4. Perancangan diagram alir
Melakukan perancangan diagram alir untuk menentukan alur pengerjaan yang akan dilakukan pada aplikasi Android setelah melakukan berbagai percobaan.
5. Implementasi algoritma
Melakukan implementasi algoritma berdasarkan diagram alur dan metode yang telah dirancang sebelumnya.
6. Analisa hasil aplikasi
Melakukan sebuah analisis dari hasil aplikasi yang telah dibuat untuk mengetahui tingkat akurasi antara metode pengolahan citra digital dan yang asli.
7. Membuat kesimpulan dan saran pengembangan
Melakukan penarikan kesimpulan untuk mengetahui bagaimana peran ilmu pengolahan citra digital yang diimplementasikan pada bidang kesehatan, khususnya menghitung Body Mass Index beserta memberikan saran pengembangan dari kekurangan hasil penelitian yang dilakukan.
8. Menyusun laporan pengerjaan Tugas Akhir.
2 Dasar Teori dan Perancangan Sistem
2.1 Body Mass Index
Body Mass Index (BMI) atau biasa disebut Indeks Massa Tubuh (IMT) merupakan suatu pengukuran yang
menghubungkan atau membandingkan berat badan dengan tinggi badan. BMI digunakan untuk mengetahui status gizi bagi orang dewasa.
BMI = ����� ����� (�𝑔 ) ... (1) ���𝑔��������
(�) 𝑥���𝑔�������� (�)
Di Indonesia, batas ambang dimodifikasi lagi berdasarkan pengalaman klinis dan hasil penelitian dibeberapa negara berkembang. Pada akhirnya diambil kesimpulan batas ambang BMI/IMT untuk Indonesia menurut Departemen Kesehatan RI tahun 1996 adalah sebagai berikut dengan adapun batas ambang normal laki- laki dan perempuan ada perbedaannya, bahwa batas ambang normal untuk laki-laki adalah 20,1–25,0 dan untuk perempuan adalah 18,7-23,8.
Tabel 1 Kategori Dan Ambang Batas Body Mass Index Indonesia
Kategori Ambang Batas
Kategori Kurus Tingkat Berat <= 17,0 Kategori Kurus Tingkat Ringan 17,1 – 18,5 Kategori Normal 18,6 – 25,0 Kategori Berat Tingkat Ringan 25,1 – 27,0 Kategori Berat Tingkat Berat >= 27,1
2.2 BMI dari Body Surface Area (Mosteller) dan Luas Permukaan Tabung Silinder Elips
Rumus mosteller adalah salah satu rumus untuk menghitung luas permukaan tubuh manusia atau biasa disebut sebagai Body Surface Area (BSA). Parameter yang digunakan ialah berat dan tinggi badan. Berikut rumusnya:
�𝑆� (��2) = √���𝑔ℎ�(��) 𝑥 ���𝑔ℎ�(���)
... (2)
3600
X = 2Y b = o.sx
a= O.SY
H H'
Do normalization
x
X'x y
3
iB
MI
X’ = �+�� …... (3)
H’ = �� ….... (4)
+� b = 0.5X’ ….... (5)
X’ = 2b ... (6)
a = 0.5Y ... (7)
a = 0.5b ... (8)
b = Y ... (9)
Y = 0.5X’ ... (10)
Surface Area Cylinder Elips : 𝜋 (�𝑥 �) + 0.5𝜋 (� + �)𝐻... (11) Surface Area for BSA : 𝜋 (�′𝑥 0.5�′)+ 0.5𝜋 (�′ + 0.5𝑥′)��’ ... (12)
: 0.5𝜋 (�′2 ) + 0.5 𝜋 (1.5�′)��’ …... (13)
: 0.5𝜋 (�′2 ) + 0.75 𝜋 �′��’ ... (14)
Setelah mendapatkan luas permukaan tubuh, dilakukannya perhitungan image processing Body Mass Index (iBMI) berdasarkan rumus Body Surface Area Mosteller yang telah di turunkan sesuai kebutuhan Tugas Akhir sebagai berikut: W = BMI x H2 ... (15)
𝑖�𝑆� = √���� 𝑥 �′𝑥 3600�′𝑥 �′��0 .01 ... (16)
iBSA2 = ���� 𝑥 �′𝑥 �′ 𝑥 �′ …... (17) 360000 � �𝑆�2 x 3 6 0 00 0 iBMI = ... (18) �′3 ����𝑃��������𝑈�����𝑆�2 x 360000
iBMI =
� ′... (19)
Masuk pada tahap konversi iBMI untuk menemukan nilai BMI yang sesungguhnya melalui kalkulasi regresi linear. Kalkulasi regresi linear ini didapat melalui variabel iBMI terhadap BMI yang dihitung secara manual pada citra yang telah diolah pada microsoft excel dengan jumlah total 60 data: 30 citra laki-laki dan 30 citra perempuan. y = 7985x + 23739 ... (20)
Dimana: x = iBMI y = BMI 2.3 Prediksi Persamaan Regresi Linear dan Korelasi BMI terhadap iBMI Pada sistem ini digunakan dahulu pengolahan regresi linear pada 60 data untuk mendapatkan prediksi BMI hasil pengolahan citra dari persamaan 19. Berikut hasil persamaan regresi dan korelasi BMI terhadap iBMI. 400000 350000 300000 250000 200000 150000 100000 50000 0 BMI Asli Terhadap iBMI y = 7985x + 23739 R² = 0,917 0 10 20 30 40
BMI Asli
Gambar 3. Prediksi Persamaan Regresi dan Korelasi BMI Terhadap iBMI
Pada Gambar 4.1, dilihat dari bentuk garis linear antara iBMI terhadap BMI Asli denga nilai koefisien determinasi (R2) sebesar 0,917 yang dimana itu artinya nilai koefisien korelasinya (r) adalah 0,957.
Nilai koefisien determinasi sebesar 0,917. Hal ini menujukkan kemampuan variabel BMI Asli dalam mempengaruhi variabel iBMI sebesar 91,7%, sedangkan sisanya sebesar 8,3% dipengaruhi oleh faktor-faktor lain. Nilai koefisien korelsi diperoleh sebesar 0,957. Hal ini berrati adanya hubungan positif antara BMI Asli dengan iBMI, dan jika dilihat dari nilai korelasi hubungan variabel tersebut termasuk kategori kuat. Dengan demikian berarti BMI Asli memiliki hubungan yang kuat terhadap kenaikan iBMI.
Selain mendapatkan korelasi, didapat juga persamaan regresi dibawah ini.
Nilai konstanta (a) = 23739, menunjukkan besarnya variabel iBMI yang tidak dipengaruhi oleh BMI atau dapat diartikan pada saat nilai BMI sebesar 0, maka iBMI sebesar 23739.
Koefisien regresi sebesar 7985, berarti BMI mempunyai hubungan positif atau searah dengan iBMI, karena koefisien regresi bernilai positif. Setiap peningkatan 1 satuan BMI maka akan berpengaruh terhadap peningkatan iBMI sebesar 7895 satuan. Begitu pula sebaliknya, setiap penurunan BMI sebesar 1 satuan akan berpengaruh terhadap penurunan iBMI sebesar 7985 satuan.
Maka, didapatlah sebuah prediksi BMI hasil pengolahan citra berdasarkan prediksi persamaan regresi yang akan digunakan untuk percobaan. Rumus mendapatkan BMI hasil pengolahan citra dirumuskan sebagai berikut.
BMI = (iBMI – 23739) / 7985 (4.14)
2.4 Gambaran Umum Aplikasi
Aplikasi yang dirancang pada Tugas Akhir ini menggunakan perangkat lunak Android Studio dengan spesifikasi sebagai berikut:
User Mobile Application
Mulai
Tidak
Perempuan / Laki-Laki
Ya
Input Citra
Pre Processing (Cropping & Rotate)
Pre Processing (Resize)
Processing
Hasil Dan Kategori
BMI
Selesai
Gambar 4. Gambaran umum aplikasi
2.4.1 Pre-Processing
Proses preprocessing pada sistem ini diawali dengan melakukan resize piksel lebar dan tinggi. Setelah itu dilakukan cropping dan atau rotate (jika diperlukan). Cropping dilakukan untuk mendapatkan RoI sebelum masuk pada tahap processing.
√ � = 1 (����������𝑝����−����−������������������)2
2.4.2 Processing
Proses processing adalah proses kalkulasi jumlah piksel berdasarkan tinggi dan lebar piksel yang di normalisasi dan mencari iBMI dan BMI berdasarkan prediksi persamaan regresi linear.
2.5 Performansi Sistem
Setelah melakukan proses pelatihan terhadap data latih, selanjutnya dilakukan pengujian sistem. a. Akurasi Sistem
Akurasi merupakan ketepatan sistem dalam kategori BMI. Apakah menimpang atau sama dengan kategori BMI asli. Secara matematis dapat dituliskan sebagai berikut:
�𝑘���𝑎�𝑖 = �����ℎ _ 𝐷��� _ ���� � × 100%
...
�����ℎ_𝐷���_��������ℎ��
b. Selisih Hasil
(22)
Tujuan dari selisih hasil adalah untuk mengetahui seberapa jauh simpangan yang dihasilkan BMI hasil pengolahan citra
Simpangan (absolut) = BMI Asli – BMI hasil Pengolahan Citra …...... (23) c. Standar Deviasi
Standar deviasi merupakan ukuran penyebaran di pengukuran statistika.
∑������ℎ����𝑎 ̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅
𝑆 = �����ℎ���� …... (24)
3 Hasil dan Pembahasan
3.1 Pengaruh Jenis Kelamin
Pada tahap ini pengujian ini dilakukan terhadap 60 sampel data dengan perincian sebanyak 30 sampel data citra laki-laki dan 30sampel data citra perempuan. Pengujian ini dilakukan untuk mengetahui perbandingan akurasi sistem berdasarkan jenis kelamin. Ukuran citra yang diambil adalah sebesar 3072 x 4096 untuk 26 data citra dan 1920 x 2560 untuk 34 data citra.
Tabel. 2 Perbandingan Hasil Akhir Pengaruh Jenis Kelamin
Percobaan Selisih
Berdasarkan kepada ringkasan hasil yang diperoleh, percobaan BMI berdasarkan pengolahan citra jenis kelamin laki-laki dapat dikatakan memiliki sebaran data yang lebih beragam dibandingkan percobaan BMI terhadap jenis kelamin perempuan. Meskipun akurasi berdasarkan kategori memiliki nilai yang sama, yakni 83,33%.
3.2 Pengaruh Resolusi
Pengujian ini dilakukan terhadap 60 data dengan rincian 30 data citra laki-laki dan 30 data citra perempuan untuk mengetahui perbandingan akurasi sistem berdasarkan resolusi kamera. Ukuran citra yang diambil adalah sebesar 3072 x 4096 piksel untuk 26 data citra dan 1920 x 2560 piksel untuk 34 data citra. 60 data tersebut di resize 1920x2560 piksel sesuai dengan resolusi 5 MP dan selanjutnya di resize 3 MP yang dimana resolusinya adalah 1536x2048 piksel.
Tabel 3 Perbandingan Hasil Akhir Pengaruh Resolusi
terhadap resolusi 3 MP. Sedangkan berdasarkan kepada perbandingan nilai rata-rata selisih Standar deviasi dengan nilai selisih Standar Deviasi dapat dikatakan bahwa nilai mean (rata-tata selisih antara BMI asli dengan BMI pengolahan citra) dapat digunakan sebagai representasi dari keseluruhan sampel data. Namun dapat dilihat bahwa akurasi 5 MP berdasarkan kategori lebih akurat daripada percobaan pada 3 MP.
3.3 Pengaruh Sudut Pengambilan
Pengujian ini dilakukan terhadap 90 data dengan rincian 30 data citra dengan pengambilan sudut posisi kamera sejajar dengan leher objek, 30 data citra dengan pengambilan sudut posisi kamera sejajar dengan diafragma objek, dan 30 data citra dengan pengambilan sudut posisi kamera sejajar dengan lutut objek. Posisi-posisi ini di tetapkan dari kenyamanan pengambilan. Namun untuk posisi ketiga, posisi kamera yang sejajar dengan lutut objek dilakukan sebagaimana untuk melihat kemungkinan apakah dengan posisi pengambilan ekstrem dapat menghasilkan BMI pengolahan citra yang sesuai / simpangan hasilnya tidak terlalu jauh dengan BMI Asli.
Tabel. 4 Perbandingan Hasil Akhir Pengaruh Sudut Pengambilan
Percobaan Selisih
Berdasarkan kepada ringkasan hasil yang diperoleh pada Tabel 4, percobaan BMI berdasarkan pengolahan citra dengan sudut pengambilan kamera sejajar di leher dapat dikatakan memiliki sebaran data yang lebih beragam dibandingkan percobaan BMI terhadap sudut pengambilan kamera yang sejajar dengan diafragma dan lutut. Sedangkan berdasarkan kepada perbandingan nilai rata-rata selisih Standar Deviasi dengan nilai selisih Standar Deviasi dapat dikatakan bahwa nilai mean (rata-tata selisih antara BMI asli dengan BMI pengolahan citra) dapat digunakan sebagai representasi dari keseluruhan sampel data. Namun dapat dilihat bahwa akurasi kamera sejajar dengan leher berdasarkan kategori lebih akurat.
3.4 Pengaruh Resize
Pengujian ini dilakukan terhadap 60 data dengan rincian 30 data citra laki-laki dan 30 data citra perempuan untuk mengetahui perbandingan akurasi sistem berdasarkan jenis kelamin. Ukuran citra yang diambil adalah sebesar 3072 x 4096 untuk 26 data citra dan 1920 x 2560 untuk 34 data citra. Pada percobaan kali ini, dilakukan sebuah percobaan resize pada aplikasi yang dimana resize yang digunakan adalah resolusi 384x512 piksel dan 480x640 piksel.
Tabel. 5 Perbandingan Hasil Akhir Pengaruh Resize
Percobaan Selisih
Berdasarkan kepada ringkasan hasil yang diperoleh pada Tabel 5, percobaan BMI berdasarkan pengolahan citra dengan resize 480x640 dapat dikatakan memiliki sebaran data yang lebih beragam dibandingkan percobaan BMI resize 384x512. Sedangkan berdasarkan kepada perbandingan nilai rata-rata selisih Standar Deviasi dengan nilai selisih Standar Deviasi dapat dikatakan bahwa nilai mean (rata-tata selisih antara BMI asli dengan BMI pengolahan citra) dapat digunakan sebagai representasi dari keseluruhan sampel data. Lalu dapat dilihat bahwa akurasi resize 480x640 berdasarkan kategori lebih akurat daripada percobaan resize 384x512.
4 Kesimpulan
Dari hasil pengujian dan analisis yang telah dilakukan pada perancangan sistem kalkulasi Body Mass Index
berbasis Aplikasi Android, maka dapat mengambil beberapa kesimpulan sebagai berikut:
2. Standar deviasi memang merupakan cerminan dari rata-rata penyimpangan data dari mean. Standar deviasi dapat menggambarkan seberapa jauh bervariasinya data. Jika nilai standar deviasi jauh lebih besar dibandingkan mean, maka nilai mean merupakan representasi yang buruk dari keseluruhan data. Sedangkan jika nilai standar deviasi sangat kecil dibandingkan nilai mean, maka nilai mean dapat digunakan sebagai representasi dari keseluruhan data. Selain itu, semakin standar deviasi mengecil, itu membuktikan bahwa data semakin seragam. Sebaliknya, jika standar deviasi membesar, itu artinya data semakin beragam. 3. Dari percobaan-percobaan yang telah dilakukan, terbukti bahwa data dapat dipercaya dan dapat digeneralisasikan. Selisih nilai masih berada di dalam ambang batas waja karena berdasarkan thitung > ttabel
dengan taraf signifikasinya (α) adalah 5%. Itu berarti 95% data yang digunakan dapat dipercaya denga kondisi Ha diterima: adanya kaitan antara BMI Asli dengan iBMI.
4. Menghitung Body Mass Index dapat dilakukan dengan cara pengambilan citra berbasis aplikasi Android dengan akurasi optimal simpangan hasil BMI sebesar ±2,890 pada posisi pengambilan objek dengan kamera yang sejajar leher objek.
5. Proses cropping sangat mempengaruhi hasil beserta kategori Body Mass Index karena formula yang digunakan ialah pengolahan jumlah piksel RoI yang telah dinormalisasi.
Daftar Pustaka
[1] Low S, Chin MC, Deurenberg-Yap M. 2009. Review On Epidemic of Obesity. Ann Acad Med Singapore. 38:57-65.
[2] Kementrian Kesehatan Republik Indonesia. 2014. Profil Kesehatan Indonesia Tahun 2013. Jakarta: Kementrian Kesehatan Republik Indonesia
[3] Par’i, Holil Muhammad. 2014. Diktat Prinsip Dasar Penilaian Status Gizi. Bandung: Kementrian Kesehatan RI Politeknik Kesehatan Bandung.
[4] Honade, Mr. Shrikant J. 2013. Height, Weight and Body Mass Index Using Matlab. International Journal of Advanced Research In engineering And Technology, Volume 4, Issue 5, July-August 2013, pp. 35-45 [5] Bipembi, Mr. Habib, dkk. 2015. Calculation of Body Mass Index using Image Processing Techniques.
International Journal of Artificial Intelligence and Mechatronics. Volume 4, Issue 1.
[6] Trisno, Fadlur Rahman Mulia, dkk. 2015. Perancangan Sistem Pengukuran Berat Badan Dengan Image
Processing. Bandung: Fakultas Teknik Elektro Universitas Telkom.
[7] Madariaga, Neil Erick Q. and Noel B. Linsangan. Aplication of Artificial Neural Netrowk and Background
Subtraction for Determining Body mass Index (BMI) in Android Devices Using Bluetooth. International
Journal of Engineering and Technology, Vol. 8, No. 5.
[8] Departemen Kesehatan Gizi. (tahun). Pedoman Praktis Memantau Status Gizi Orang Dewasa: Pedoman Praktis Untuk Mempertahankan Berat Badan Normal Berdasarkan Indeks Massa Tubuh (IMT) Dengan
Gizi Seimbang. Jakarta: Departemen Kesehatan.
[9] Purnomo, Mauridhi Hery dan Arif Muntasa. 2010 . Konsep Pengolahan Citra Digital dan Ekstraksi Fitur. Yogyakarta: Graha Ilmu.
[10] H, Nazruddin Safaat. 2015. Android Pemrograman Aplikasi Mobile Smartphone dan Tablet PC Berbasis
Android Revisi Kedua. Bandung: Informatika.
[11] Kuono, Tsutomo, dkk. 2003. Standardization of teh Body Surface Area (BSA) Formula to Calculate the Dose
of Anticancer Agents in Japan. Jepang: Departement of Medical Oncology National Cancer Center
Hospital Tokyo.
[12] Fakultas ilmu Administrasi. 2014. Korelasi dan Regresi Linear Sederhana. Jombang: Fakultas Ilmu Administrasi Unipdu.
[13] Abidin, Dr. Taufik Fuadi, S.Si., M. Tech. 2015. Accuracy Measure: Precision, Recall & F-Measure. Banda Aceh: Program Studi Teknik Informatika FMIPA Universitas Syiah Kuala.
